首页

关于dbt

DBT 针对您的数据平台编译并运行您的分析代码，使您和团队能够在指标、洞察和业务定义的单一事实来源上进行协作。这种单一事实来源与为数据定义测试的能力相结合，可在逻辑更改时减少错误，并在出现问题时提醒您。

阅读更多关于我们为什么希望数据分析师像软件工程师一样工作dbt观点.

DBT 优化您的工作流程

• 避免编写DML和DDL来删除表和管理架构更改。仅使用 SQL 语句或 Python 编写业务逻辑，返回所需的数据集，且很好地处理物化.
• 构建可重用或模块化的数据模型，这些数据模型可以在后续工作中引用，而不是从每次分析的原始数据开始。.
• 显著减少查询的运行时间：利用元数据查找要优化的长时间运行的模型，并使用 dbt 易于配置和使用的增量模型.
• 利用宏、hooks和包管理编写整洁的代码

DBT 提供更可靠的分析

• 不再复制和粘贴 SQL，这可能会导致逻辑更改时出错。相反，构建可重用的数据模型，并将其提取到后续模型和分析中。更改一次模型，该更改将传播到其所有依赖项。
• 发布特定数据模型的规范版本，封装所有复杂的业务逻辑。此模型之上的所有分析都将包含相同的业务逻辑，而无需重新实现它。
• 使用成熟的源代码管理流程，如分支、拉取请求和代码评审。
• 在基础数据上快速轻松地编写数据质量测试。许多分析错误是由数据中的边缘情况引起的：测试可帮助分析师查找和处理这些边缘情况。

DBT产品

你可以访问DBT命令行程序或者DBT云服务，DBT云服务是DBT命令行程序上搭建的，同时它也提供：

• 基于 Web 的 UI，因此更易于访问
• 托管环境，因此启动和运行速度更快
• 差异化功能，例如元数据、应用内作业调度程序、可观测性、与其他工具的集成、集成开发环境 （IDE） 等。

你可以在www.getdbt.com了解产品和定价.

DBT云服务

DBT云服务是部署 dbt 最快、最可靠的方法。在一个基于 Web 的 UI 中开发、测试、计划和研究数据模型。详细了解 dbt 云服务 ，并尝试快速入门。

dbt Core

dbt Core是一个开源免费工具，它让数据团队使用分析工程来转换数据成为最佳实践。您可以在命令行上安装和使用 dbt Core。通过 dbt Core 的快速入门了解详细信息。

dbt的强大功能

作为 dbt 用户，您的主要关注点将是编写反映核心业务逻辑的模型（如select查询）,无需编写固定代码来创建表和视图，也无需定义模型的执行顺序。相反，dbt 会为您将这些模型转换为数据仓库中的对象。

特征	详情
处理可重复的代码以将查询转化为关联关系	对于您创建的每个模型，您可以轻松地配置一个 materialization(物化方式）。一个物化代表了一个select查询的构建策略——物化背后的代码是健壮的，可复用的SQL，它将select查询封装在一条语句中，以创建新的或更新已有的关系. 请阅读更多关于 物化.
使用代码编译器	SQL文件可以包含Jinja，一种轻量级的模板语言。在SQL中使用Jinja提供了一种在查询中使用控制结构的方法。例如if语句和For循环。它还允许通过宏共享重复的SQL。请阅读更多关于宏.
安排模型执行的顺序	通常，在转换数据时，分步骤执行是有意义的。dbt提供了一种通过ref函数分步骤实现转换数据的机制。您可以从一个模型中进行选择，而不是从仓库中的现有表和视图中进行选择。
文档化你的dbt项目	dbt提供了一种机制来为dbt模型编写、版本控制和共享文档。您可以为每个模型和字段编写描述（以纯文本或标记）。在dbt Cloud中，您可以在dbt项目运行时自动生成文档。请阅读更多关于有关文档.
模型测试	模型测试通过对模型生成的结果进行断言，来提高每个模型中SQL的完整性。请阅读更多关于模型测试
包管理	dbt附带了一个包管理器，它允许分析师使用和发布dbt代码的公共和私有存储库，然后其他人可以引用这些存储库。请阅读更多关于包管理.
加载seed种子文件	通常在分析中，原始值需要映射到更可读的值（例如，将国家代码转换为国家名称），或者用静态或不经常更改的数据进行丰富。这些数据源称为seed种子文件，可以在项目中保存为CSV文件，并使用seed命令加载到数据仓库中。请阅读更多关于种子Seeds.
快照数据	通常，数据源中的记录是可变的，因为它们会随着时间而变化。如果要重建历史值，在分析中可能很难处理。DBT 提供了一种通过使用快照为某个时间点的原始数据创建快照的机制。请阅读更多关于快照snapshots.